딥러닝은 지금까지 다양한 모델과 알고리즘이 개발되었다. 특히 CNN을 기반으로 하는 알고리즘은 이미지 분석에 있어서 탁월한 효과를 보이고 있다. 하지만 그림 파일이라도 불필요한 부분을 최소화 하고 컴퓨터가 확실하게 인식할 수 있는 데이터베이스를 입력 파일로 넣어주는 것이 중요하다. 본 연구에서는 병원에서 촬영하고 있는 알츠하이머 질병 아밀로이드 PET 영상과 이미지 편집과정을 통해 추출한 영상을 데이터베이스로 구축하여 CNN 프로그램을 기반으로 한 알고리즘으로 학습을 실시하였고 알츠하이머 데이터베이스의 학습의 정확도(Accuracy)를 측정하여 비교 분석하였다. 영상을 학습시켜 정확도를 측정한 결과 편집과정을 거친 영상의 정확도와 차이를 확인할 수 있었고 많은 데이터를 구축하여 학습시켰을 때의 정확도를 확인 할 수 있었다.Deep Learning has developed various models and algorithms so far. In particular, CNN-based algorithms have shown remarkable effects in image analysis. However, it is important to minimize the unnecessary parts of a picture and to put the database into a file that the computer can recognize. In this study, we constructed a database of Alzheimer 's disease amyloid PET images and images extracted from the image editing process, which were taken in the hospital, and conducted learning using algorithms based on the CNN program. The accuracy of the learning of the Alzheimer’s disease was measured and compared. As a result of measuring the accuracy by learning the image, we could confirm the accuracy and difference of the image through editing process, and it was able to confirm the accuracy of learning by building big data.